[發明專利]一種基于滑動窗口采樣的空間語義相似度計算方法

有效

• 申請號: 201911018798.1
• 申請日: 2019-10-24
• 公開（公告）號: CN110990724B
• 公開（公告）日: 2023-06-06
• 發明（設計）人: 王博智;費騰;杜清運;康雨豪;李夢
• 申請（專利權）人: 武漢大學
• 主分類號: G06F16/9537
• 分類號: G06F16/9537;G06F16/33
• 代理公司: 武漢科皓知識產權代理事務所(特殊普通合伙) 42222
• 代理人: 羅飛

1.一種基于滑動窗口采樣的空間語義相似度計算方法，其特征在于，包括：

步驟S1：對包含空間信息的語料數據進行預處理，其中，空間信息為GPS坐標；

步驟S2：采用預設等面積投影方法對預處理后的語料數據中的GPS坐標進行投影處理，獲得實際空間范圍，且語料數據中的詞語與投影后的空間坐標一一對應；

步驟S3：根據投影后的空間坐標的大小，確定上下文窗口，并通過一個預設大小的正方形在上下文窗口中進行采樣，獲得采樣結果，其中，采樣結果包括不同尺度的上下文窗口以及與每個上下文窗口對應的詞語集合，每個上下文窗口對應的詞語集合構成整個語料的詞語集合；

步驟S4：對整個語料的詞語集合中的每兩個詞語進行相似度計算；

其中，步驟S3具體包括：

步驟S3.1：從所有投影后的空間坐標中找出最大值和最小值，根據空間坐標的最大值和最小值確定出一個最小外接矩形；

步驟S3.2：設置上下文窗口，從最小外接矩形的左下角開始采樣，采樣時記錄上下文窗口所對應的空間范圍內包含的詞語；

步驟S3.3：按照預設長度進行水平方向的采樣，然后按照預設長度進行垂直方向采樣，采樣時記錄上下文窗口所對應的空間范圍內包含的詞語，直到整個最小外接矩形采樣完成，獲得采樣結果，其中，整個語料C的采集集合為C:{d₁,d₂…d_n}，每個上下文窗口d_i包含的詞語集合為d_i:{w₁,w₂…w_n}。

2.如權利要求1所述的方法，其特征在于，步驟S1具體包括：

采用N-gram算法進對包含空間信息的語料數據進行分詞處理，得到格式為‘詞語-坐標’的形式的數據。

3.如權利要求1所述的方法，其特征在于，步驟S2具體為采用貝爾曼等面積圓柱投影方法對預處理后的語料數據中的GPS坐標進行投影處理，投影的具體公式為：

其中，(x′,y′)表示投影轉換前的GPS坐標，(x,y)為Behrmann投影轉換后的坐標。

4.如權利要求1所述的方法，其特征在于，步驟S4具體包括：

步驟S4.1：從整個語料的詞語集合W中取出兩個詞語；

步驟S4.2：采用下述公式對兩個詞語進行空間語義相似度計算：

其中，表示詞語w₁和w₂的空間語義相似度，表示同時包含w₁和w₂的空間窗口的個數，表示包含w₁的空間窗口的個數，表示包含w₂的空間窗口的個數。

5.如權利要求4所述的方法，其特征在于，在步驟S3之后，所述方法還包括：

將所有的詞語對作為鍵，每個詞語對的空間語義相似度作為值，以Key-Value的形式保存，構建空間語義相似度模型。